Detecção e segmentação de raspadores de escória de ferro gusa utilizando Mask R-CNN para controle de desgaste e predição de troca

Abstract

RESUMO: A indústria do aço apresenta uma vasta lista de problemas e oportunidades para melhorias que vão desde o chão de fábrica até os níveis de gestão empresarial. Os procedimentos operacionais são melhorados a cada dia para diminuir falhas, criar parâmetros confiáveis e aumentar a confiabilidade dos equipamentos, e com o avanço contínuo e acelerado das inovações nos processos industriais, a visão computacional está cada vez mais presente e necessária para a automação de novos sistemas, ou de sistemas que necessitem uma atualização em sua forma de operar. Este projeto visa segmentar e detectar, por meio de redes neurais convolutivas, as pás dos Raspadores de escória em panelas de ferro-gusa em um Reator Kambara de uma siderúrgica. Com o objetivo de detectar o desgaste das pás para controlar o seu uso e substituição, utilizando a Mask R-CNN para segmentação de instância e contagem de pixels para controle de desgaste e previsão de troca.

ABSTRACT: The steel industry presents a vast list of problems and opportunities for improvement, ranging from the factory floor to levels of business management. Operating procedures are improved every day to decrease failures, create reliable parameters and increase equipment reliability, and with the continuous and accelerated advance of innovations in industrial processes, computer vision is increasingly present and is necessary for the automation of new systems or of systems that need an update in their way of operating. This project aims to segment and detect, through convolutive neural networks, the shovels of the slag scrapers in pig iron pans in a Kambara Reactor of a steel plant. Aiming at detecting the wear of the shovels to control their use and replacement using Mask R-CNN for instance segmentation and pixel count for wear control and exchange forecast.